[发明专利]体感预测方法、装置和终端

说明书

本发明提出一种体感预测方法、装置和终端，所述方法包括：将预设时间长度内的第一体感指标数据划分为体感训练样本，体感训练样本中包括已标注的体感类型和体感分数的对应关系；利用体感训练样本进行训练，得到体感打分模型；将预设时间长度内的第二体感指标数据输入至体感打分模型中，得到第二体感指标数据对应的预测体感分数。通过提取人工标注的体感训练样本，训练得到体感打分模型，例如，前倾感打分模型、晃动感打分模型或者顿挫感打分模型。将预设时间长度内的体感指标数据输入至体感打分模型中进行预测，得到预设时间长度内的前倾感分数、晃动感分数以及顿挫感分数。无需人工打分，提高预测体感分数的效率，与人工打分的结果相近。

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种体感预测方法、装置和终端。

背景技术

目前，自动驾驶领域中衡量自动驾驶车辆体感的方式较为简单。有两种常用的衡量方法，一种是简单按照加速度等参量计算自动驾驶车辆体感，另一种是依赖人对自动驾驶车辆进行体感打分。例如，高铁已有的体感衡量方法通常基于加速度与规则阈值的计算，但是这类方法不适用于场景复杂、要求打分更精细的无人车领域。

自动驾驶车辆在不断的更新迭代过程中，驾驶员或者乘客的乘坐体验越来越重要。目前只是依赖人打分的方式来衡量体感，但人打分过程繁琐，成本高。而且随着车、园区、其他城市的园区增多，人打分的衡量方式不再具备可行性。人打分的衡量方式只能得到粗略的体感评价，无法进一步分析体感变好或者变坏的原因。

发明内容

本发明实施例提供体感预测方法、装置和终端，以至少解决现有技术中的以上技术问题。

第一方面，本发明实施例提供了一种体感预测方法，包括：

将预设时间长度内的第一体感指标数据划分为体感训练样本，所述体感训练样本中包括已标注的体感类型和体感分数的对应关系；

利用所述体感训练样本进行训练，得到体感打分模型；

将预设时间长度内的第二体感指标数据输入至所述体感打分模型中，得到所述第二体感指标数据对应的预测体感分数。

在一种实施例中，利用各所述体感训练样本进行训练，得到体感打分模型，包括：

利用所述体感训练样本中包括已标注的前倾感类型和前倾感分数的对应关系，得到前倾感打分模型。

在一种实施例中，利用各所述体感训练样本进行训练，得到体感打分模型，包括：

利用所述体感训练样本中包括已标注的晃动感类型和晃动感分数的对应关系，得到晃动感打分模型。

在一种实施例中，利用各所述体感训练样本进行训练，得到体感打分模型，包括：

利用所述体感训练样本中包括已标注的顿挫感类型和顿挫感分数的对应关系，得到顿挫感打分模型。

在一种实施例中，利用各所述体感训练样本进行训练，得到体感打分模型，包括：

利用所述体感训练样本中包括已标注的总乘车体感和乘车体感总分数的对应关系，得到总乘车体感打分模型。

在一种实施例中，将预设时间长度内的第二体感指标数据输入至所述体感打分模型中，得到所述第二体感指标数据对应的预测体感分数，包括：

获取所述第二体感指标数据，所述第二体感指标数据包括加速度、速度、位置以及刹车率；

将所述第二体感指标数据输入至多个所述体感打分模型中，分别得到对应的多个体感分数，其中，多个所述体感打分模型包括前倾感打分模型、晃动感打分模型、顿挫感打分模型以及总乘车体感打分模型，多个所述体感分数包括前倾感分数、晃动感分数、顿挫感分数以及乘车体感总分数。

在一种实施例中，还包括：